論文の概要: Deep Learning Beam Optimization in Millimeter-Wave Communication Systems

• arxiv url: http://arxiv.org/abs/2107.07846v1
• Date: Fri, 16 Jul 2021 12:16:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-19 14:31:29.807065
• Title: Deep Learning Beam Optimization in Millimeter-Wave Communication Systems
• Title（参考訳）: ミリ波通信システムにおけるディープラーニングビーム最適化
• Authors: Rafail Ismayilov, Renato L. G. Cavalcante, S{\l}awomir Sta\'nczak
• Abstract要約: 本稿では,固定点アルゴリズムとニューラルネットワークを組み合わせることで,ミリ波通信システムにおける連立離散変数と連続変数を最適化する手法を提案する。 提案手法はビーム構成を"ワンショット"な方法で予測し,ビーム探索手順の複雑さを著しく低減する。
• 参考スコア（独自算出の注目度）: 34.03893373401685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a method that combines fixed point algorithms with a neural network to optimize jointly discrete and continuous variables in millimeter-wave communication systems, so that the users' rates are allocated fairly in a well-defined sense. In more detail, the discrete variables include user-access point assignments and the beam configurations, while the continuous variables refer to the power allocation. The beam configuration is predicted from user-related information using a neural network. Given the predicted beam configuration, a fixed point algorithm allocates power and assigns users to access points so that the users achieve the maximum fraction of their interference-free rates. The proposed method predicts the beam configuration in a "one-shot" manner, which significantly reduces the complexity of the beam search procedure. Moreover, even if the predicted beam configurations are not optimal, the fixed point algorithm still provides the optimal power allocation and user-access point assignments for the given beam configuration.
• Abstract（参考訳）: 本稿では,固定点アルゴリズムとニューラルネットワークを組み合わせることで,ミリ波通信システムにおける連立離散変数と連続変数を最適化し,ユーザレートを適切に定義した意味で割り当てる手法を提案する。 より詳しくは、離散変数にはユーザアクセスポイント割り当てとビーム構成が含まれ、連続変数はパワー割り当てを参照する。 ニューラルネットワークを用いてユーザ関連情報からビーム構成を予測する。 予測されたビーム構成により、不動点アルゴリズムは電力を割り当て、ユーザが干渉のないレートの最大割合を達成するためにアクセスポイントを割り当てる。 提案手法はビーム構成を"ワンショット"な方法で予測し,ビーム探索手順の複雑さを著しく低減する。 さらに、予測されたビーム配置が最適でない場合でも、不動点アルゴリズムは与えられたビーム配置に対して最適な電力割当とユーザアクセスポイント割当を提供する。

関連論文リスト

• Adaptive Online Bayesian Estimation of Frequency Distributions with Local Differential Privacy [0.4604003661048266]
  本稿では, 局所微分プライバシー(LDP)フレームワークを用いて, 有限個のカテゴリの周波数分布を適応的かつオンラインに推定する手法を提案する。 提案アルゴリズムは, 後方サンプリングによるベイズパラメータ推定を行い, 得られた後方サンプルに基づいて, LDPのランダム化機構を適用する。 提案手法は, (i) アルゴリズムがターゲットとする後続分布が近似した後続サンプリングであっても真のパラメータに収束し, (ii) アルゴリズムが後続サンプリングを正確に行えば高い確率で最適サブセットを選択することを示す理論解析である。
  論文  参考訳（メタデータ） (2024-05-11T13:59:52Z)
• Quantization Avoids Saddle Points in Distributed Optimization [1.579622195923387]
  分散非最適化は、多くの分散システムの重要な機能を支える。 本研究の目的は,サドル点収束を2次定常点収束に効果的に回避できることを示すことである。 簡単に調整可能な量子化により、ユーザの制御により、通信オーバーヘッドを積極的に削減できる。
  論文  参考訳（メタデータ） (2024-03-15T15:58:20Z)
• Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks [66.18765335695414]
  本稿では,アグリゲーションエラーを最小限に抑え,選択したデバイス数を最大化する目的で,共同装置の選択とアグリゲーションビームフォーミング設計について検討する。 コスト効率のよい方法でこの問題に取り組むために,ランダムな集合ビームフォーミング方式を提案する。 また, 得られた集計誤差と, デバイス数が大きい場合に選択したデバイス数についても解析を行った。
  論文  参考訳（メタデータ） (2024-02-20T23:59:45Z)
• Learning-Based Adaptive User Selection in Millimeter Wave Hybrid Beamforming Systems [5.657669046936923]
  基地局(BS)で採用される少数のチェーンによって多重化ゲインが制限されるマルチユーザハイブリッドビームフォーミングシステムを考える。 多重化ゲインを最大化する自由を最大化するために、BSがすべてのユーザを常に提供するのではなく、各スケジューリング時に一部のユーザを選択して提供する方がよい。 機械学習(ML)に基づくユーザ選択アルゴリズムを提案し,PF性能と時間とのトレードオフを効果的に提供する。
  論文  参考訳（メタデータ） (2023-02-16T11:46:36Z)
• Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
  我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。 我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
  論文  参考訳（メタデータ） (2022-10-23T05:57:39Z)
• Green, Quantized Federated Learning over Wireless Networks: An Energy-Efficient Design [68.86220939532373]
  有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。 提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
  論文  参考訳（メタデータ） (2022-07-19T16:37:24Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Communication-Efficient Stochastic Zeroth-Order Optimization for Federated Learning [28.65635956111857]
  フェデレートラーニング(FL)は、エッジデバイスがプライベートデータを共有せずに、グローバルモデルを協調的にトレーニングすることを可能にする。 FLの訓練効率を向上させるため,一階計算から一階法まで,様々なアルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2022-01-24T08:56:06Z)
• Deep Learning Assisted Calibrated Beam Training for Millimeter-Wave Communication Systems [15.297530726877786]
  ビームトレーニングの膨大なオーバーヘッドはミリ波(mmWave)無線通信において大きな課題となる。 チャネル電力の漏れに応じて狭いビーム方向を校正する広いビームベースのトレーニングアプローチを提案します。 チャネルパワーリークの複雑な非線形特性に対処するために、ディープラーニングを用いて最適な狭ビームを直接予測する。
  論文  参考訳（メタデータ） (2021-01-08T04:02:34Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。